Depuis plusieurs années, la société Niantic, créatrice du célèbre jeu Pokémon Go, a collecté une quantité impressionnante de données via les millions de joueurs. Ces informations, provenant de scans visuels de différents endroits à travers le monde, sont aujourd’hui exploitées pour développer un système de navigation novateur et puissant.
La collecte massive de données par les utilisateurs de Pokémon Go
Depuis le lancement de Pokémon Go en 2016, Niantic a invité ses joueurs à participer activement à la réalisation de scans de leur environnement. Ces scans incluent non seulement des monuments bien connus mais aussi des lieux ordinaires que les joueurs capturent lors de leurs promenades. Utilisant l’appareil photo de leur téléphone, ils cadrent des ponts, statues ou bâtiments importants sous différents angles. Cette pratique, souvent perçue comme intégrante au gameplay, permet à Niantic de recueillir des données précieuses sur l’agencement spatial des villes et des paysages naturels.
“Au cours des cinq dernières années, nous avons préparé notre ‘Visual Positioning System’. Ce dernier utilise la moindre image provenant d’un téléphone pour déterminer sa position et son orientation sur une carte 3D créée par des personnes qui ont scanné des lieux intéressants dans nos jeux et dans Scaniverse”, déclare un communiqué officiel de Niantic.
Le Visual Positioning System : Une avancée majeure
Le Visual Positioning System (VPS) de Niantic propose une innovation significative dans le domaine de la cartographie et de la navigation. Contrairement aux systèmes traditionnels de GPS qui utilisent des satellites pour fournir des coordonnées globales, ce VPS repose sur une compréhension visuelle des environnements. En recoupant les images prises par les utilisateurs, ce système peut indiquer précisément où se trouve une personne même dans les zones moins photographiées.
L’objectif de Niantic a été de former un modèle large et géospatial capable d’interpréter n’importe quel angle d’un lieu donné. Jusqu’à présent, 10 millions de sites dans le monde ont été scannés, permettant de construire une gigantesque base de données visuelles. Avec 50 millions de réseaux neuraux formés, cette technologie promet de couvrir près d’un million d’endroits distincts.
Applications diverses du grand modèle géospatial
Les implications du LGM ne s’arrêtent pas à la simple navigation. La capacité du modèle à “aller au-delà de ce qui a déjà été vu” ouvre la voie à des usages variés, tels que les lunettes de réalité augmentée, la robotique, la création de contenu digital et même les systèmes autonomes. Grâce aux images cohérentes obtenues des multiples scans, Niantic est en mesure de reconstruire des environnements complets, facilitant ainsi l’interaction entre les ordinateurs et les espaces publics.
Un exemple frappant de cette technologie est décrit par Niantic lorsqu’une personne observe l’arrière d’une église. Même si seul un scan de la façade avait été réalisé auparavant, le modèle peut extrapoler en comparant avec toutes les autres églises scannées ailleurs, offrant une représentation précise de la zone moins documentée.
Une technologie essentielle pour la réalité augmentée
Initialement, le succès de Niantic reposait essentiellement sur le lancement de Pokémon Go, un jeu qui fusionne le monde réel avec des éléments virtuels attrayants. Les joueurs explorent leur environnement à la recherche de créatures numériques, tout en contribuant sans le savoir à enrichir le modèle géospatial de l’entreprise. Cette dualité interactive a permis à Niantic de collecter une quantité importante de données visuelles.
La mise au point de ce modèle revêt une importance cruciale pour l’avenir des technologies immersives telles que la réalité augmentée. En améliorant la précision des interactions numériques superposées à des environnements réels, les usages possibles sont immensément étendus, du divertissement aux services utilitaires quotidiens.
Des bénéfices au-delà du secteur ludique
En dehors des jeux vidéo, le potentiel du grand modèle géospatial inspire plusieurs secteurs. Dans le domaine de la robotique, par exemple, comprendre et naviguer dans l’espace public à partir de données visuelles riches pourrait rendre les machines plus intelligentes et autonomes, capables d’évoluer dans des environnements complexes sans nécessiter une supervision humaine constante.
En matière de sécurité, les systèmes autonomes peuvent se montrer particulièrement utiles. Équipés de la capacité de perception offerte par le LGM, des véhicules ou drones autonomes pourraient naviguer avec une précision accrue en milieu urbain, réduisant ainsi les risques d’accidents ou de collisions.
À mesure que la technologie progresse et que de nouvelles applications émergent, l’infrastructure visuelle élaborée par Niantic grâce aux scans des joueurs poursuivra son expansion et sa diversification. Cela va potentiellement transformer la manière dont nous interagissons avec le monde autour de nous, rendant chaque jour nos environnements plus connectés et intelligents.
